medical text | BriefGPT - AI 论文速递

关键词medical text

搜索结果 - 7

区分 ChatGPT 生成的和人工撰写的医学文本
本研究旨在通过构建数据集、分析文本语言特征和设计机器学习方法，从伦理角度研究医学应用场景下人工智能生成文本的可靠性及误差。结果显示，ChatGPT 生成的医学文本普遍存在可读性高、专业术语泛化等问题，而利用 BERT 模型检测 ChatGP
PDFa year ago
利用蜜蜂算法优化深度学习模型参数，提高医学文本分类效果
本文提出了使用 Bees Algorithm 算法获取深度学习模型最优参数的机制并进行实验，得出在医学文本分类方面，LSTM 结合 Bees Algorithm 获得的最高准确率为 99.63％，而使用 AraBERT 在阿拉伯数据集上的准
PDFa year ago
拓展与解释：解读超长语言模型
介绍了一种基于掩码采样过程（MSP）的方法，以解决长文本医疗领域的诊断预测问题。该方法可以识别出较多的临床信息文本块，并且比之前最先进的方法运行速度更快，可用于任何文本分类器。
PDF2 years ago
MM基于现代命名实体识别技术的自由文本健康记录去识别化基准测试
本研究旨在探究采用基于深度学习的命名实体识别 (NER) 方法在坚持保留医疗数据隐私的前提下，如何更好地去识别和去除医疗记录中的敏感信息，进而使得医疗数据可以用于科学研究。其中，BiLSTM-CRF 被发现是最佳的编码 / 解码器组合方式之
PDF3 years ago
ACL使用三元组网络进行医疗实体链接
本文提出了一种无需手工规则的稳健便携候选实体生成方案，采用三元组网络用于疾病链接排名，实验结果表明我们的方法在标准基准 NCBI 疾病数据集上显著优于现有方法。
PDF4 years ago
WSDM比较基于规则、特征和深度神经方法在荷兰医疗记录去识别化方面的效果
本研究构建了一个数据集，测试了三种去匿名化方法在荷兰三个领域的医学记录中的泛化能力。结果显示，基于规则的方法不能很好地推广到新数据，而最新的神经网络结构则表现出色，在有限的训练数据下也能跨语言和领域表现出良好的性能。
PDF4 years ago
中文医学文本中 BERT 联合实体和关系抽取的微调
该研究提出了一种基于 BERT 语言模型和聚焦注意力机制的联合实体和关系抽取模型，通过动态范围注意机制，提高了共享参数层的特征表示能力，实验结果表明，该方法在冠状动脉造影文本上的名词实体识别和关系分类任务的 F1 得分分别达到 96.89%
PDF5 years ago